《表2 BSD100上不同方法图像去噪的平均PSNR和SSIM结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于级联密集网络的轮廓波变换域图像复原》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

我们将选择PSNR和SSIM指标[52]对本文提出方法进行客观评估.首先，表2给出了图像去噪结果，其中:BM3D[3]和PGPD[4]为传统基于先验的图像去噪方法；RED[45]，Dn CNN[2]，Mem Net[34]以及本文提出方法属于基于CNN的方法.表2中对比方法均采用与其对应的开源代码进行测试，“-/-”表示该方法没有处理对应高斯噪声浓度的模型.表2中测试图像为BSD100中的100幅彩色图像，每幅图像转化灰度图像后添加均值为0，标准差分别为30，50，70的高斯白噪声.可以看出:CNN方法的去噪能力强于传统基于先验估计的方法，且本文方法在不同高斯噪声浓度下均展现了最优的复原性能.